Intercom Fin 같은 서비스 제작하기: 정책 기반 고객 답변·상담원 인계 기능 제작법

핵심 요약

1. 등록된 정책으로 반복 문의에 답하고 필요한 고객 조회와 상담원 인계까지 연결하는 고객지원 서비스를 만듭니다. 2. OpenAI File Search·생성 API, Zendesk API, pandas와 Apache ECharts를 역할별로 연결합니다. 3. 고객 확인, 실행 권한, 승인·중복 방지, 인계 기준과 해결률 계산은 자체 개발합니다.

정책 근거를 찾는 고객지원 답변 만들기

Intercom Fin 같은 고객지원 도구의 가치는 답변 속도와 상담의 연속성에 있습니다. AI 고객상담 자동화를 만들 때는 정책을 찾아 설명하는 기능과 고객 정보를 조회하거나 변경하는 기능을 구분해 설계합니다. 아래 기술은 유사 기능 구현의 후보입니다.

이용 권한이 있는 도움말과 정책을 OpenAI File Search에 등록하고, 질문에서 관련 근거를 찾은 뒤 생성 API로 답변을 구성합니다. 지식베이스 기반 AI 답변의 입력에는 질문뿐 아니라 제품, 언어와 적용할 정책 범위를 넣습니다. 자체 코드는 문서 버전과 출처를 관리하고 근거가 없을 때 상담원 연결로 이어지는 규칙을 담당합니다.

FAQ 자동응답 챗봇이 같은 질문에도 다른 조건을 안내하지 않도록 정책 갱신 시점을 기록합니다. 결과 화면에서는 답변과 확인 가능한 안내 문서를 연결해 고객이 조건을 읽을 수 있게 합니다.

고객 조회와 허용된 업무 처리 연결하기

고객 데이터 연동 챗봇은 문의 의도를 필요한 도구 요청으로 바꾸는 흐름으로 구성할 수 있습니다. Function Calling으로 구조화된 요청을 받고, 서버가 권한을 검사한 뒤 Zendesk API 등 연결된 업무 시스템을 호출합니다. 모델이 요청을 제안하는 것과 서버가 실제 동작을 실행하는 것은 별개입니다.

자체 로직은 현재 대화의 고객과 조회 대상이 일치하는지 확인하고, 조회 기능과 변경 기능의 권한을 나눕니다. 변경 작업은 사용자가 확인한 조건과 요청 식별자를 기록해 중복 실행을 막습니다. 결과가 불확실하면 성공으로 답하지 않고 처리 상태를 다시 확인하게 합니다.

미해결 문의를 상담원 티켓으로 인계하기

챗봇 상담원 인계의 입력은 미해결 질문, 확인한 정책, 이미 실행한 조회와 대화 요약입니다. Zendesk 티켓 자동 생성으로 상담 건을 만들고, 자체 배정 규칙이 제품·언어·문의 유형에 맞는 담당 그룹을 선택하도록 구성합니다.

상담 대화 이력 전달에서는 요약만 넘기지 않고 원래 발언과 조회 결과를 함께 연결합니다. 고객이 같은 설명을 반복하지 않게 하되 필요한 범위의 정보만 전달합니다. 동일 문의가 재접수되면 기존 티켓과 연결하고, 상담원이 처리한 상태를 고객 대화에 반영하는 흐름도 구현합니다.

상담 해결률을 계산하고 개선점 찾기

AI 상담 해결률 분석은 처리 이력의 상태를 먼저 정의해야 합니다. 단순히 AI가 답변한 건수를 해결 건수로 계산하면 효과를 잘못 판단할 수 있습니다. 고객 확인, 상담원 전환, 재문의 여부와 측정 기간을 구분해 저장한 뒤 pandas로 집계합니다.

Apache ECharts는 계산된 해결률과 문의 유형별 추이를 시각화합니다. 차트 도구가 원천 데이터를 수집하거나 계산 기준을 정해주지는 않으므로 분모와 중복 문의 처리 규칙을 자체 코드로 관리합니다. 답변 품질, 인계 누락, 반복 실패 질문을 각각 확인해 문서와 업무 연결을 개선합니다.

RAG 고객지원 챗봇 구축은 작은 문의 유형부터 시작할 수 있습니다. 초기에는 정책 답변과 조회를 안정화하고, 승인과 상태 확인을 갖춘 뒤 변경 업무를 연결하면 기능별 완성도를 확인하기 쉽습니다.

현재 도움말, 상담 티켓과 반복 문의 흐름을 바탕으로 고객지원 챗봇의 제작 범위를 구체화할 수 있습니다. 트램스 AI 제작 문의: https://trams.co.kr/ai-si/contact/#inquiry